[发明专利]基于免疫谱聚类的图像分割方法

权利要求书

1.一种基于免疫谱聚类的图像分割方法，包括如下过程：

(1)提取输入图像的纹理特征，并将图像中的每一个像素点用一个特征向量表示，得到图像特征集；

(2)计算图像特征集的相似度，并构成相似性矩阵A，即

A=A11A12...A1nA21A22...A2n............An1An2...Ann]]>

相似度计算公式为

A_ij＝exp(-‖s_i-s_j‖²/2σ²)

式中，A_ij表示图像特征集中的两个数据点s_i与s_j之间的相似度，σ为尺度参数，n为图像特征集的数目；

(3)计算相似性矩阵A的拉普拉斯矩阵：L＝D^-1/2AD^-1/2

式中，D=Σi=1nA1i0...00Σi=1nA2i...0............00...Σi=1nAni;]]>

(4)求拉普拉斯矩阵L的前c个最大的特征值所对应的特征向量，作为特征集在映射空间中的映射集Y，c为图像类别数，

矩阵的特征值、特征向量的计算公式为：(λI-L)X＝0

式中，λ表示特征值，I为单位矩阵，X为特征向量，且

λ=λ1λ2...λn]]>X=x11x12...x1nx21x22...x2nx11.........xn1xn2...xnn]]>

则映射集Y可表示为：

Y=x11x12...x1cx21x22...x2cx11.........xn1xn2...xnc;]]>

(5)从映射集Y中随机选出c个数据作为初始聚类中心，并表示为：

B(k)=Y1Y2...Yc=y11y12...y1cy21y22...y2c............yc1yc2...ycc]]>

式中，k为迭代步，初始化时k＝0，Y₁、Y₂、...Y_c表示从映射集Y中随机选出的c个作为初始聚类中心的数据；

(6)对初始化的聚类中心B(k)利用克隆操作算子T_c^C进行克隆操作，得到克隆后的聚类中心B′(k)为：

B′(k)=TcC[B(k)]=Y1Y1..Y1Y2Y2...Y2............YcYc....Yc(c*pc)]]>

式中，(c*p_c)表示矩阵的大小，p_c为克隆规模；

(7)对B′(k)进行变异操作得到变异后的聚类中心B″(k)为：

B″(k)＝B′(k)±rand*p_m

式中，rand表示[0～1]之间的一个随机数，p_m为变异概率；

(8)对B″(k)进行选择操作得到选择后的聚类中心B(k+1)，即计算映射集Y中的数据到聚类中心B″(k)的欧式距离的平方和，作为该聚类中心的亲和度，从每类聚类中心中选出具有最大亲和度的聚类中心作为B(k+1)；

(9)重复步骤(6)～(8)，并根据预先设定的迭代数目对迭代步k进行判断，如果当前的迭代步大于预先设定的迭代数目，则停止迭代，否则继续执行步骤(6)。

(10)将图像特征集的所有像素点划分到离其最近的最优聚类中心中，并对每个像素点按其所在最优聚类中心的类别赋一个类标，即为图像的分割结果。